Play to Earn in the Metaverse with Mobile Edge Computing over Wireless Networks: A Deep Reinforcement Learning Approach
针对元宇宙AR边玩边赚游戏的边缘卸载场景，提出多智能体损失共享强化学习模型MALS，联合优化UE-MBS分配与上行功率，降低传输时延和耗电并提升收益。
2024-02-28 cs.NI
Diffusion-based Dynamic Contract for Federated AI Agent Construction in Mobile Metaverses
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Guangdong University of Technology（广东工业大学）；Nanyang Technological University（南洋理工大学）；The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））；Guizhou University（贵州大学）
本文提出基于扩散模型的EDMSAC算法，通过动态合同机制优化边缘-云协作下的AI代理构建，提升移动元宇宙中服务的低延迟与安全性。
2026-02-14 cs.NI
Multi-layer Digital Twin System for Future Mobile Metaverse
针对6G时代通信网络的复杂性与动态性挑战，提出协同本地、边缘、云端的多层数字孪生系统，以分布式移动逐层方式实现实时决策与数字代理功能，还为元宇宙应用提供数据、预训练模型及开放接口，支撑高效开发与体验。
2025-09-03 cs.NI cs.SY eess.SY
Mobile Edge Computing and AI Enabled Web3 Metaverse over 6G Wireless Communications: A Deep Reinforcement Learning Approach
Nanyang Technological University（南洋理工大学）
本文面向6G Web3元宇宙的多用户沉浸式社交，提出结合移动边缘计算与深度强化学习的QoS模型，以实现近优信道资源分配并改善整体体验。
2023-12-11 cs.AI cs.NI
Contract-Inspired Contest Theory for Controllable Image Generation in Mobile Edge Metaverse
针对移动边缘元环境下生成扩散模型图像生成的资源受限难题，提出融合契约启发式竞赛理论、深度强化学习与GDMs的框架，有效提升图像质量及收敛速度与稳定性。
2025-01-16 cs.NI
Optimization in Mobile Augmented Reality Systems for the Metaverse over Wireless Communications
本文针对元宇宙中移动增强现实系统的能耗与延迟问题，设计基于边缘的MAR系统并建立权衡模型，提出LEAO算法进行优化，仿真验证其性能优于相关算法。
2023-11-29 cs.NI eess.SP
Sparks of GPTs in Edge Intelligence for Metaverse: Caching and Inference for Mobile AIGC Services
本文针对元宇宙移动AIGC服务的边缘PFM部署难题，提出联合缓存推理框架、上下文年龄（AoC）指标及最小上下文算法，平衡延迟、能耗与精度。
2023-04-28 cs.NI
Mobile Edge Adversarial Detection for Digital Twinning to the Metaverse with Deep Reinforcement Learning
Nanyang Technological University（南洋理工大学）
将物理世界场景实时数字配对到Metaverse上对于增强现实（AR）辅助驾驶等无数应用是必要的。在AR辅助驾驶中，物理环境场景首先由车联网（IoV）捕获并上传到Metaverse。中央Metaverse地图服务提供商（MMSP）将聚合来自所有IoV的信息，以开发中央Metaverse地图。然后，来自Metaverse Map的信息可以按需下载到各个IoV中，并作为AR场景交付给驾驶员。然而，人们对开发依赖于数字孪生的AR辅助驾驶应用程序的兴趣日益浓厚，这也招致了对手的反对。这些对手可能会将物理对抗补丁放置在物理世界的物体上，如汽车、招牌或道路上，试图扭曲虚拟世界的数字孪生。因此，有必要检测这些物理世界的对抗补丁。然而，由于对抗补丁的实时、准确检测是计算密集型的，这些物理世界场景必须卸载到Metaverse地图基站（MMBS）进行计算。因此，在我们的工作中，我们考虑了移动车联网（IoV）的环境，将实时物理世界场景上传到MMBS。我们制定了一个现实的联合变量优化问题，其中MMSP的目标是通过优化IoV-MMBS分配和IoV上行链路场景分辨率选择来最大化对抗补丁检测平均精度（mAP），同时最小化计算的AR场景上行链路传输延迟和IoV的上行链路传输空闲计数。我们提出了一种异构动作近端策略优化（HAPPO）（离散-连续）算法来解决所提出的问题。大量的实验表明，与关键指标相比，HAPPO的性能…
2023-03-18 cs.AI cs.NI
Resource Allocation for Mobile Metaverse with the Internet of Vehicles over 6G Wireless Communications: A Deep Reinforcement Learning Approach
Nanyang Technological University（南洋理工大学）
提高人与人之间的交互性和互联性是Metaverse的亮点之一。Metaverse依赖于一种核心方法，即数字孪生，这是一种将物理世界的对象，人，动作和场景复制到虚拟世界的方法。能够在Metaverse中实时和移动地访问与物理世界相关的场景和信息，对于为所有用户开发高度可访问，交互和互连的体验至关重要。这种发展允许来自其他位置的用户访问关于在另一个位置发生的事件的高质量的真实世界和最新信息，并与其他人超交互地进行社交。然而，由于虚拟世界图形的数据量很大，并且需要低延迟传输，因此从Metaverse接收其他人生成的连续、平滑的更新是一项具有挑战性的任务。随着移动增强现实（MAR）技术的发展，即使在移动环境下，用户也可以通过Metaverse以高度交互的方式进行交互。因此，在我们的工作中，我们考虑了一个用户移动车联网（IoV）的环境，通过无线通信从Metaverse服务提供商小区站（MSPCS）下载实时虚拟世界更新。我们设计了一个环境，多个小区站，其中将有一个切换用户的虚拟世界图形下载任务之间的小区站。由于传输延迟是移动性下接收虚拟世界更新的主要问题，我们的工作旨在分配系统资源，以最大限度地减少车辆中的用户从蜂窝基站下载虚拟世界场景所需的总时间。我们利用深度强化学习，并评估算法在不同环境配置下的性能。我们的工作提供了Metaverse在支持AI的6G通信上的用例。
2022-09-27 cs.LG cs.NI eess.SP
Realizing the Metaverse with Edge Intelligence: A Match Made in Heaven
被称为“移动互联网的继任者”，Metaverse的概念最近爆炸式地流行起来。虽然今天存在精简版的Metaverse，但考虑到严格的传感，通信和计算要求，我们仍然远远没有实现无缝，无分片和可互操作的Metaverse的愿景。此外，Metaverse的诞生正值用户对隐私的担忧日益加剧之际。在本文中，我们首先提供了Metaverse的初步定义。我们讨论了Metaverse的体系结构，主要集中在激励边缘智能和Metaverse的基础设施层的融合。我们介绍了主要的基于边缘的技术开发及其集成，以支持Metaverse引擎。然后，我们提出了我们的研究尝试，通过一个案例研究的虚拟城市的发展。最后，我们讨论了开放的研究问题。
2022-01-05 cs.NI
Joint wireless and computing resource management with optimal slice selection in in-network-edge metaverse system
本文提出一种在支持切片的元宇宙网络中联合优化无线与计算资源分配的方法，通过将问题建模为混合整数非线性规划并求解最优解，显著提升系统性能，优于现有基准。
2024-11-07 cs.DC cs.NI
6G-enabled Edge AI for Metaverse: Challenges, Methods, and Future Research Directions
基于6 G的边缘智能开启了万物互联的新时代，使人-设备-云随时随地互联成为可能。越来越多的下一代无线网络智能服务应用正在改变我们的生活方式，提高我们的生活质量。作为下一代互联网应用最热门的新形式，Metaverse正在努力连接数十亿用户，创造一个虚拟和现实融合的共享世界。然而，受资源、计算能力和感官设备的限制，Metaverse还远未实现其沉浸、物化和互操作性的全部愿景。为此，本次调查旨在通过6 G赋能的边缘AI与Metaverse的有机融合来实现这一愿景。具体来说，我们首先介绍了三种新型的边缘Metaverse架构，它们使用支持6 G的边缘AI来解决Metaverse中的资源和计算约束。然后我们总结了这些架构在Metaverse中面临的技术挑战和现有的解决方案。此外，我们探讨边缘Metaverse架构技术如何帮助Metaverse交互和共享数字数据。最后，我们讨论了未来的研究方向，以实现具有6 G功能的边缘AI的Metaverse的真正愿景。
2022-04-13 cs.NI
Human-Centric Resource Allocation in the Metaverse over Wireless Communications
针对元宇宙无线通信的以人为中心优化需求，本文联合优化通信、计算资源与VR分辨率，提出新型分式规划技术求解非凸的系统效用成本比优化问题，算法高效且性能更优。
2023-12-19 cs.NI cs.SI
Mobility Aware Optimization in the Metaverse
融合了移动增强现实（MAR）的虚拟宇宙应用程序通过将虚拟世界与物理世界融合在一起，提供了混合的沉浸式体验。值得注意的是，由于它们的多模态，这样的应用在能量消耗、计算和高速缓存资源方面要求高，以有效地支持参与用户的前台交互和丰富的背景内容。在本文中，metaverse服务被分解并锚定在5G及其他网络中合适的边缘缓存/计算节点上，以有效处理嵌入目标ARO的背景metaverse区域模型。为了实现这一目标，提出了一种联合优化问题，该问题显式地考虑了用户物理移动性、业务分解以及业务延迟、用户感知质量和功耗之间的平衡。一组广泛的数值研究表明，该计划可以提供最佳的决策和优于其他名义基线计划，是无视用户的移动性，以及不考虑服务分解。
2022-09-19 cs.NI
When Internet of Things meets Metaverse: Convergence of Physical and Cyber Worlds
近年来，物联网（IoT）在Metaverse的背景下被研究，以在混合现实环境中为用户提供沉浸式的网络虚拟体验。本次调查介绍了Metaverse中六种典型的物联网应用，包括协作医疗、教育、智慧城市、娱乐、房地产和社交。在物联网启发的Metaverse中，我们还全面调查了实现增强现实（AR）和虚拟现实（VR）的四大支柱技术，即负责任人工智能（AI），高速数据通信，具有成本效益的移动边缘计算（MEC）和数字孪生。根据物理世界的需求，我们概述了当前的工业努力和构建物联网启发的元世界的七个关键要求：沉浸感，多样性，经济性，文明性，交互性，真实性和独立性。此外，该调查还描述了受物联网启发的Metaverse中的开放问题，这些问题需要解决，以最终实现物理和网络世界的融合。
2022-08-29 cs.NI
Metaverse for Wireless Systems: Vision, Enablers, Architecture, and Future Directions
本文提出元宇宙助力6G无线系统发展的愿景，阐述其依托数字孪生等技术实现虚拟运营的作用，介绍通用架构、驱动应用与使能技术，并指出待解决挑战与潜在方向。
2023-06-12 cs.NI
Human-Centric Resource Allocation for the Metaverse With Multiaccess Edge Computing
University of Ottawa（渥太华大学）；Huawei Technologies Canada（华为技术加拿大公司）
本文提出基于多智能体软演员-评论家与图卷积网络（SAC-GCN）的自适应边缘资源分配方法，通过图建模和自注意力机制优化元宇宙中的资源分配，显著提升用户体验、平衡性和利用率。
2023-12-23 cs.AI cs.MM cs.NI
Compute- and Data-Intensive Networks: The Key to the Metaverse
长期以来，计算、通信和存储的世界一直被分开对待，即使是云计算、分布式计算和移动边缘计算的最新趋势也没有从根本上改变网络的角色，仍然旨在在最终用户和预定的计算节点之间移动数据，而没有真正优化端到端的计算通信过程。然而，Metaverse应用程序的出现，其中用户消费来自分布式实时源和存储的数字资产的实时组合的多媒体体验，已经改变了对提供分布式缓存，计算和通信的系统的要求和可能性。我们认为，Metaverse应用程序的实时交互性和对数据存储、流传输速率和处理能力的高要求将加速云与网络的融合，从而使高度分布式、紧密集成的计算和数据密集型网络成为下一代数字体验的通用计算平台。在本文中，我们首先描述了Metaverse应用程序和相关支持基础设施的需求，包括相关的用例。然后，我们概述了一个全面的云网络流数学框架，该框架旨在对此类系统进行端到端的优化和控制，并展示了数值结果，说明了其对Metaverse就绪网络的有效运行的重要作用。
2022-05-10 cs.NI cs.SY eess.SY
Graph neural network for in-network placement of real-time metaverse tasks in next-generation network
本研究针对实时元宇宙应用的时延挑战，提出基于SDN架构、采用GNN的网内计算任务自适应分配方案，可最优决策渲染任务卸载位置，实验准确率达97%，显著优于MLP与决策树，填补了相关研究空白。
2025-01-19 cs.DC cs.NI
Need of 6G for the Metaverse Realization
University College Dublin（都柏林大学学院）；University of Bedfordshire（贝德福德大学）；Vellore Institute of Technology（韦洛尔理工大学）；Lebanese American University（黎巴嫩美国大学）；ZHAW School of Engineering（苏黎世应用科技大学工程学院）；Ho Chi Minh City University of Technology and Education（胡志明市技术教育大学）；University of Sri Jayewardenepura（斯里贾亚瓦德纳普拉大学）；University of Oulu（奥卢大学）
Metaverse的概念旨在提供一个成熟的延展实境环境，以提供下一代应用程序和服务。Metaverse的开发得到了许多技术的支持，包括5G、人工智能、边缘计算和延展实境。预计6G的出现将标志着Metaverse发展的一个重要里程碑，促进近零延迟，大量新服务和升级的现实世界基础设施。本文确定了在6G上提供Metaverse服务的优势，并概述了所需的技术要求。本文提供了对Metaverse概念和6G移动网络设想的技术能力的见解。然后，详细阐述了用于开发Metaverse的6G技术方面，从验证数字资产，互操作性和Metaverse中的高效用户交互到相关的安全和隐私方面。随后，6G技术在实现Metaverse方面的作用，包括人工智能，区块链，开放无线电接入网络，边缘计算，云化和万物互联。本文还介绍了6G集成的挑战，并概述了正在进行的项目，以开发Metaverse技术，以促进Metaverse应用程序和服务。
2022-12-28 cs.AI cs.NI
Slicing4Meta: An Intelligent Integration Framework with Multi-dimensional Network Resources for Metaverse-as-a-Service in Web 3.0
作为下一代互联网范式，Web 3.0以分散的方式封装了以用户为中心的沉浸和交互体验的期望。Metaverse，一个与物理世界交互的虚拟世界，正在成为推动Web 3.0发展的最具潜力的技术之一。在Metaverse中，用户期望通过定制实时Metaverse服务（例如，增强/虚拟现实和数字孪生）。然而，在管理和编排方面，Metaverse服务仍然没有统一的解决方案。它呼吁可扩展的解决方案和移动系统的持续发展，以支持Metaverse服务，从而将Metaverse变为现实。在本文中，提供可扩展的订阅解决方案的Metaverse服务，我们提出了一个新的概念，命名为Metaverse-as-a-Service（MaaS），在Metaverse中的各种物理虚拟组件和技术可以作为服务交付。此外，为了统一MaaS的管理和编排，我们提出了一个新的框架，称为Slicing 4 Meta，通过智能集成MaaS模型和组件和技术上的相关多维资源来定制Metaverse服务。此外，我们提出了典型的Metaverse服务的分类的基础上的体验质量（QoE）的要求，并说明如何满足QoE要求下的切片4 Meta框架。然后，我们举例说明了一个虚拟旅游研究的情况下，我们研究之间的关系QoE和多维资源的定量建模的Metaverse用户的QoE。最后，我们讨论了Slicing 4 Meta面临的一些挑战，并提出了解决这些挑战…
2023-03-15 cs.NI
Towards a Decentralized Metaverse: Synchronized Orchestration of Digital Twins and Sub-Metaverses
在虚拟实境中实现数字孪生（DT）对于实现数字现实至关重要。这种将DT集成到Metaverse中，同时在网络边缘操作它们的需求增加了对去中心化边缘启用Metaverse的需求。因此，为了巩固真实实体和数字实体之间的融合，有必要协调DT和边缘虚拟实境之间的互操作性。在本文中，提出了一种新的分散的metaverse框架，在无线边缘采用DT操作。特别地，在移动边缘计算（MEC）服务器处将在连续感测区域中操作的自主物理双胞胎（PT）系统复制为网络双胞胎（CT）。为了呈现CT的数字环境，该区域被划分并作为分布式子元虚拟空间传送到MEC服务器。为了保证无缝同步的子虚拟世界和他们的相关CT与现实世界的动态和PT，分别，这个联合同步问题被提出作为一个优化问题，其目标是最小化的平均子同步时间之间的现实和数字世界，同时满足DT同步强度的要求。为了解决这个问题，提出了一种新的迭代算法在MEC服务器的联合子元世界和DT关联。该算法利用最优传输理论的严格框架，有效地分配子元域和DT，同时考虑计算和通信资源分配。仿真结果表明，所提出的解决方案可以协调DT和子元节点之间的相互作用，以实现减少25.75%的子同步时间相比，基于信噪比的关联方案。
2022-11-26 cs.IT cs.NI math.IT
Optimal Mobility Aware Wireless Edge Cloud Support for the Metaverse
移动增强现实（MAR）应用程序扩展到虚拟世界，可以通过融合虚拟和物理世界提供混合和沉浸式体验。然而，MAR和metaverse之间的联合考虑寻求这些应用程序对前台交互和后台内容的可靠和高质量的支持，这加剧了它们在能量、缓存和计算资源上的消耗。为了应对这些挑战，通过将分解后的虚拟实境增强服务锚定在不同的边缘节点，并主动缓存嵌入目标增强现实对象（ARO）的背景虚拟实境区域模型，提出了一种更灵活的请求分配和处理效率更高的资源分配方法.先进的终端也被认为是进一步减少服务延迟在一个可接受的代价的能源消耗。然后，我们提出并解决了一个联合优化该问题明确考虑了移动事件中用户感知质量约束下的服务延迟和能量消耗之间的平衡，同时明确考虑了用户终端的能力，并将所提出的优化方案与其终端不经意版本进行了比较.根据一组广泛的数值调查，该方案具有优势，在服务延迟和能源效率比其他名义基线计划，忽视终端的能力，用户的物理移动性，服务分解和固有的多模态的虚拟实境MAR服务。
2023-01-16 cs.NI
A Full Dive into Realizing the Edge-enabled Metaverse: Visions, Enabling Technologies,and Challenges
被称为“移动互联网的继承者”，虚拟世界的概念越来越受欢迎。虽然今天存在精简版的Metaverse，但它们仍然远远没有实现沉浸式，具体化和可互操作的Metaverse的完整愿景。如果不从通信和网络以及计算的角度解决实现问题，Metaverse很难成功，特别是在当今数十亿用户的可访问性方面。在本次调查中，我们关注边缘启用的Metaverse，以实现其最终愿景。我们首先为读者提供了一个简洁的Metaverse教程，介绍了架构，以及当前的发展。为了使无处不在，无缝，和具体的访问Metaverse，我们讨论了通信和网络的挑战和调查尖端的解决方案和概念，利用下一代通信系统，让用户沉浸在Metaverse中的化身和互动。此外，考虑到所需的高计算成本，为了渲染3D虚拟世界和运行数据饥渴的人工智能驱动的化身，我们讨论了在资源受限的边缘设备上实现Metaverse的计算挑战和云边缘端计算框架驱动的解决方案。接下来，我们将探讨区块链技术如何帮助Metaverse的互操作开发，不仅是在授权虚拟用户生成内容的经济流通方面，而且还以分散，透明和不可变的方式管理物理边缘资源。最后，我们讨论了未来的研究方向，以实现真正的愿景边缘使能的Metaverse。
2022-08-20 cs.CY cs.NI
Toward BCI-enabled Metaverse: A Joint Learning and Resource Allocation Approach
针对6G元宇宙中智能化身创建需求，提出BCI框架，通过混合训练算法联合解决资源分配与脑信号分类，仿真验证高精度。
2023-08-31 cs.NI eess.SP
MetaSlicing: A Novel Resource Allocation Framework for Metaverse
创建和维护Metaverse需要前所未有的巨大资源，特别是用于密集数据处理的计算资源，以支持延展实境，巨大的存储资源，以及用于维持超高速和低延迟连接的大量网络资源。因此，这项工作的目的是提出一种新的框架，即MetaSlicing，可以提供一个高效和全面的解决方案，在管理和分配不同类型的资源的Metaverse应用程序。特别是，通过观察Metaverse应用程序可能具有共同的功能，我们首先提出将应用程序分组到集群中，称为Metaverse。在MetaInstance中，可以在应用程序之间共享公共功能。针对Metaverse的实时性和资源需求的动态性和不确定性，提出了一种基于半马尔可夫决策过程的有效框架，并提出了一种智能接纳控制算法，该算法能够最大限度地提高资源利用率和终端用户的服务质量。广泛的模拟结果表明，我们提出的解决方案优于基于贪婪的政策高达80%和47%的长期收入Metaverse提供商和请求接受概率，分别。
2023-02-26 cs.DC cs.NI
User Connection and Resource Allocation Optimization in Blockchain Empowered Metaverse over 6G Wireless Communications
针对区块链赋能的元宇宙，提出DASHF算法联合优化用户连接与通信计算资源分配，引入信任成本比平衡信任与成本，仿真验证其有效性。
2024-07-18 cs.ET cs.NI eess.SP
Data Processing Efficiency Aware User Association and Resource Allocation in Blockchain Enabled Metaverse over Wireless Communications
本文提出数据处理效率（DPE）概念及DAUR算法，通过将非凸问题转化为凸优化并交替优化用户关联、卸载、计算、带宽和功率等资源变量，提升区块链使能元宇宙无线通信中的单位资源数据处理量。
2024-11-25 cs.DC cs.ET cs.NI
MetaLore: Learning to Orchestrate Communication and Computation for Metaverse Synchronization
针对元宇宙/数字孪生环境的实时同步挑战，提出基于DRL的MetaLore框架，联合分配通信与计算资源，引入两种新型AoI指标优化同步，可适配动态流量且性能达暴力枚举水平。
2025-10-29 cs.NI
AI and 6G into the Metaverse: Fundamentals, Challenges and Future Research Trends
Walton Institute for Information and Communication Systems Science（沃尔顿信息与通信系统科学研究所）；South East Technological University（东南理工大学）；CNIC, University of Chinese Academy of Sciences（中国科学院大学计算机网络信息中心）；University of Chinese Academy of Sciences（中国科学院大学）；Faculty of Engineering and Technology, University of Sindh（信德大学工程与技术学院）；Munster Technological University（芒斯特理工大学）；Institute of Intelligent Systems, University of Johannesburg（约翰内斯堡大学智能系统研究所）；University of Johannesburg（约翰内斯堡大学）；Sungkyunkwan University（成均馆大学）；University of Bologna（博洛尼亚大学）
本综述围绕元宇宙沉浸式体验实现需求，梳理AR/VR/MR、空间计算、AI与6G的技术进展，分析二者的协同作用与可持续性要求，总结相关应用、挑战及研究方向。
2022-09-24 cs.AI cs.HC cs.NI
Exploring Attention-Aware Network Resource Allocation for Customized Metaverse Services
Nanyang Technological University（南洋理工大学）；Guangdong University of Technology（广东工业大学）；Singapore University of Technology and Design（新加坡科技设计大学）；University of Waterloo（滑铁卢大学）；Sungkyunkwan University（成均馆大学）
在计算和通信技术的支持下，Metaverse有望为用户带来前所未有的服务体验。然而，Metaverse用户数量的增加对网络资源提出了沉重的需求，特别是对于基于图形延展实境并需要渲染过多虚拟对象的Metaverse服务。为了有效利用网络资源，提高用户体验质量（QoE），设计了一种注意力感知的网络资源分配方案，实现Metaverse的定制服务。其目的是将更多的网络资源分配给用户更感兴趣的虚拟对象。我们首先讨论了与Metaverse服务相关的几个关键技术，包括QoE分析，眼动跟踪和远程渲染。然后，我们回顾了现有的数据集，并提出了用户-对象-注意力水平（UOAL）数据集，该数据集包含1,000张图像中30个用户对96个对象的真实注意力。介绍了如何使用UOAL的教程。在UOAL的帮助下，我们提出了一种注意力感知网络资源分配算法，该算法分为两个步骤，即，注意力预测和QoE最大化。特别地，我们提供了两种类型的注意预测方法的设计的概述，即，兴趣感知和时间感知预测。通过使用预测的用户对象关注值，可以最优地分配诸如边缘设备的渲染能力的网络资源以最大化QoE。最后，我们提出了与Metaverse服务相关的有前途的研究方向。
2022-07-31 cs.AI cs.NI
Blockchain-based Pseudonym Management for Vehicle Twin Migrations in Vehicular Edge Metaverse
School of Automation, Guangdong University of Technology（广东工业大学自动化学院）；School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院）；School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院）；Department of Electrical and Computer Engineering, Auburn University（奥本大学电气与计算机工程系）
针对车载边缘元宇宙中车辆孪生迁移时的隐私泄露问题，提出基于跨链技术的双重假名管理框架，并采用多智能体深度强化学习方法优化假名生成策略，实现了高效低成本的隐私保护。
2024-03-22 cs.CR cs.HC cs.LG
EaaS: A Service-Oriented Edge Computing Framework Towards Distributed Intelligence
边缘计算已经成为一种流行的模式，其中服务和应用程序部署在更接近数据源的网络边缘。它为应用程序提供了突出的优势，包括减少响应延迟和增强的隐私保护。对于新兴的高级应用，如自动驾驶汽车、工业物联网和虚拟世界，还需要进一步的研究。这是因为此类应用需要超低延迟、超连接以及动态可靠的服务提供，而现有方法不足以应对新的挑战。因此，我们设想，未来的边缘计算正朝着分布式智能方向发展，在分布式智能中，异构边缘节点协作，在大规模和地理分布的边缘基础设施中提供服务。因此，我们提出边缘即服务（EaaS）来实现分布式智能。EaaS共同管理大规模跨节点边缘资源，促进边缘自治，边缘到边缘协作和资源弹性。这些功能支持灵活的服务部署以及无处不在的计算和智能。我们首先概述了现有的边缘计算研究，并讨论了它们的局限性，以阐明提出EaaS的动机。然后，我们描述了EaaS的细节，包括物理架构，建议的软件框架和EaaS的好处。通过实时视频监控、智能建筑、虚拟实境等多种应用场景，说明了EaaS的重要性和潜力。最后，我们讨论了EaaS的几个具有挑战性的问题，以激励更多的研究对这个新的边缘计算框架。
2022-09-14 cs.NI
Edge Learning via Federated Split Decision Transformers for Metaverse Resource Allocation
School of Electrical Engineering and Computer Science（电气工程与计算机科学学院）
本文提出FSDT框架，通过联邦学习与强化学习结合，解决异构多无线电接入环境下的元宇宙资源分配问题，提升QoE并减少计算负担。
2026-02-18 cs.AI cs.MM cs.NI
The Metaverse: Survey, Trends, Novel Pipeline Ecosystem & Future Directions
Concordia University（康考迪亚大学）；École de Technologie Supérieure（高等技术学院）；Polytechnique Montréal（蒙特利尔理工学院）；Lebanese American University（黎巴嫩美国大学）；Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；New York University（纽约大学）；Khalifa University（哈利法大学）
针对现有元宇宙综述缺乏整体视角的问题，该研究提出涵盖基础设施、环境数字化、用户交互的新型多层流水线生态系统，分析相关技术影响与挑战，为各方提供全面参考。
2023-04-18 cs.AI cs.CV cs.CY
Poster: Real-Time Object Substitution for Mobile Diminished Reality with Edge Computing
Georgia State University（佐治亚州立大学）
针对移动减弱现实缺乏高质量实时物体替换方案的问题，提出一种基于边缘计算的端到端架构，实现移动设备上沉浸式与实时场景构建。
2023-10-23 cs.CV cs.LG cs.NI
Grid Computing Model for Mobile: A Better Mobile Grid Computing Model
网格计算是一种正在研究中的新型网络技术思想。在这个基于技术的领域有大量的炒作，因此它得到了计算社区的大量关注。网格计算利用PC（个人计算机）、网络服务器或其他基于计算技术的系统的集群。这些系统正在联合起来处理复杂的计算、通信和协作。网格计算提供了大量的支持，使企业能够利用其空闲的计算能力或系统处理周期来产生一种类型的超级计算机配置。网格计算技术已经从传统的基于高性能和分布式技术的计算系统转移到基于实用和普适的计算安排。这些基于技术的结构具有无线网络通信和协作的优越潜力，并且具有薄、轻和可远程访问的设备。这就产生了移动网格计算这一新的计算技术范式。这项研究将评估和分析基于网格计算和移动计算技术的安排。本文将对移动网格计算进行可行性分析。本研究将分析网格计算技术在移动领域的映射。在这个场景中，我将评估如何在移动设备中实现网格架构。为了实现一个移动网格的安排，我将分析现有的网格计算模型和讨论的设计，实现，体系结构和它的局限性。本研究也将突出网格计算对移动设备负载均衡、高处理效率和减少网络通信的影响。
2019-03-18 cs.NI
Fog Computing: Focusing on Mobile Users at the Edge
随着智能设备，特别是智能手机，成为我们的日常伴侣，无处不在的移动互联网和计算应用渗透到人们的日常生活。随着人们对随时随地提供高质量移动服务需求的不断增长，如何满足无处不在的用户需求，适应移动业务的爆炸式增长，是下一代移动网络的关键问题。雾计算是实现这一目标的一个有前途的解决方案。雾计算是对云计算的一种扩展，它通过向移动网络边缘提供虚拟化资源和基于位置的服务，从而更好地服务于移动业务。因此，雾计算是云计算与移动应用结合的润滑剂。在本文中，我们概述了雾计算的主要功能，并描述了其概念，架构和设计目标。最后，我们从网络的角度讨论了一些未来的研究问题。
2016-03-30 cs.NI
Joint Compute-Caching-Communication Control for Online Data-Intensive Service Delivery
新兴的Metaverse应用程序旨在提供高度互动和沉浸式体验，无缝融合物理现实和数字虚拟，正在加速对具有前所未有的存储，计算和通信要求的分布式计算平台的需求。为此，下一代网络的集成演进（例如，5G及以后）和分布式云技术（例如，雾和移动边缘计算），已经成为解决Metaverse应用程序的交互和资源密集型性质的有前途的范例。在本文中，我们专注于下一代分布式云网络中的计算，缓存和通信（3C）资源的联合编排的控制策略的设计，以有效地交付Metaverse应用程序，需要实时聚合，处理和分发多个实时媒体流和预存储的数字资产。我们通过有向非循环图描述元宇宙应用程序，该图能够对实时流处理和内容分发管道的组合进行建模。我们设计了第一个吞吐量-最优控制策略，该策略协调围绕（i）实时数据流的路由路径和处理位置以及（ii）相关数据对象的缓存选择和分发路径的联合决策。然后，我们提出的解决方案，包括一个最大吞吐量的数据库布局政策和两个有效的替换政策。此外，我们描述了所有研究方案的网络稳定区域。数值结果表明，通过新的多管道流量控制和3C资源编排机制的建议的政策，获得了优越的性能相比，缺乏完整的3C集成控制的最先进的算法。
2022-05-04 cs.NI cs.SY eess.SY
Cloud Service-Aware Location Update in Mobile Cloud Computing
移动设备正在成为许多用户访问云计算服务时经常漫游的主要平台。由此，通过引入新的范例，移动云计算，将云计算集成到移动环境中。在移动计算环境中，移动终端的电池寿命是有限的，如何平衡移动性能和能耗是一个重要的问题。幸运的是，云服务为移动性管理提供了机遇和挑战。考虑到云服务的访问活动，提出了一种服务感知的位置更新机制，无需传统的定期注册更新，即可检测移动终端的存在和位置。分析模型和仿真研究的新机制。结果表明，服务感知的位置更新管理可以减少位置更新次数和切换信令，从而有效节省移动设备的功耗。
2013-12-13 cs.NI
Energy-Efficient Resource Allocation for Mobile Edge Computing-Based Augmented Reality Applications
移动边缘计算是在移动设备上启用增强现实（AR）应用的供应解决方案。AR移动应用在上行链路的数据汇集、边缘计算和下行链路的数据传输方面具有固有的协作属性。在这封信中，利用这些功能，提出了一种新的资源分配方法，在通信和计算资源。通过连续凸近似（SCA）实现的方法，被认为是产生相当大的收益相比，传统的独立卸载用户的移动能耗。
2017-03-25 cs.NI
Cooperative Caching Framework for Mobile Cloud Computing
由于移动设备和无线网络的进步，结合了移动计算和云计算的移动云计算自2009年以来获得了发展势头。移动设备和无线网络的特点使得移动云计算的实现比固定云更加复杂。本节列出了移动云计算中的一些主要问题。移动云计算中的关键问题之一是服务请求的端到端延迟。数据缓存是有线和无线网络中广泛使用的技术之一，用于提高数据访问效率。在本文中，我们探讨了一种合作的缓存方法，以提高移动云计算的数据访问效率的可能性。所提出的方法是基于cloudlets，为移动云计算设计的架构之一。
2013-07-29 cs.DC cs.NI
An Actor-Critic Reinforcement Learning Method for Computation Offloading with Delay Constraints in Mobile Edge Computing
在本文中，我们考虑了一个移动边缘计算系统，云服务器和边缘服务器协同提供计算服务。移动边缘计算既可以减少服务延迟，又可以减轻核心网的负载。我们将不同优先级服务的平均延迟约束下的系统平均收益最大化问题建模为一个约束半马尔可夫决策过程（SMDP）。我们提出了一个行动者-评论家算法的资格痕迹，以解决有约束的SMDP。利用神经网络对策略参数和状态值函数的参数进行训练，不断提高系统性能。
2019-01-30 cs.NI
Decentralized Computation Offloading Game For Mobile Cloud Computing
移动云计算被认为是一种很有前途的方法，可以增强移动设备的计算能力，用于新兴的资源匮乏的移动应用。在本文中，我们提出了一个博弈论的方法来实现有效的计算卸载移动云计算。我们将移动终端用户之间的分散计算卸载决策问题表示为一个分散计算卸载博弈。我们分析了博弈的结构性质，证明了博弈总是存在一个纳什均衡。然后，我们设计了一个分散的计算卸载机制，可以实现一个纳什均衡的游戏，并量化其效率比集中的最优解。数值结果表明，该机制可以实现有效的计算卸载性能和规模以及系统规模的增加。
2015-03-26 cs.NI
Immersion on the Edge: A Cooperative Framework for Mobile Immersive Computing
诸如虚拟现实和增强现实之类的沉浸式计算（IC）技术正在获得极大的普及。在这张海报中，我们提出了CoIC，一个移动沉浸式计算的合作框架。CoIC的设计基于一个关键的见解，即不同应用或用户之间的IC任务可能相似或冗余。CoIC通过在边缘缓存和共享计算密集型IC结果来增强移动IC应用的性能。我们对AR应用程序的初步评估结果表明，CoIC可以在当前移动设备上分别将识别和渲染延迟降低高达52.28%和75.86%。
2018-07-12 cs.NI
A View of Fog Computing from Networking Perspective
随着智能设备，特别是智能手机，成为我们的日常伴侣，无处不在的移动互联网和计算应用渗透到人们的日常生活。随着人们对随时随地提供高质量移动服务需求的不断增长，如何满足无处不在的用户需求，适应移动业务的爆炸式增长，是下一代移动网络的关键问题。雾计算是实现这一目标的一个有前途的解决方案。雾计算是对云计算的一种扩展，它通过向移动网络边缘提供虚拟化资源和基于位置的服务，从而更好地服务于移动业务。因此，雾计算是云计算与移动应用结合的润滑剂。在本文中，我们概述了雾计算的主要功能，并描述了其概念，架构和设计目标。最后，我们从网络的角度讨论了一些未来的研究问题。
2016-03-08 cs.NI
Learning-based Sustainable Multi-User Computation Offloading for Mobile Edge-Quantum Computing
在本文中，提出了一种新的移动边缘量子计算（MEQC）范式，它将量子计算能力带到更接近移动用户的移动边缘网络（即，边缘设备）。首先，我们提出了一个MEQC系统模型，移动用户可以通过具有低温组件和容错方案的边缘服务器将计算任务卸载到可扩展的量子计算机。其次，我们证明了在经典和量子计算的最佳延迟和能量成本方面，在MEQC中获得部分卸载问题的集中式解决方案是NP难的。第三，我们提出了一种多智能体混合离散-连续深度强化学习，使用近端策略优化来学习长期可持续的卸载策略，而无需先验知识。实验结果表明，在不同的系统设置下，与现有的基线方案相比，该算法可以降低至少30%的成本。
2022-11-12 cs.NI
A Survey on Mobile Edge Networks: Convergence of Computing, Caching and Communications
随着智能设备的爆炸式增长和许多新应用的出现，流量也在呈指数级增长。传统的集中式网络架构由于回程链路负载过重、时延较长，无法满足移动用户的需求.因此，提出了将网络功能和内容带到网络边缘的新的体系结构，即，移动边缘计算和缓存。移动边缘网络在蜂窝网络的边缘提供云计算和缓存能力。在本文中，我们对移动边缘网络的研究现状进行了详尽的回顾。本文首先介绍了移动边缘网络的定义、体系结构和优势。然后，分别对网络边缘的计算、缓存和通信技术进行了综述。讨论了移动边缘网络的应用和用例。随后，讨论了云技术、SDN/NFV和智能设备等移动边缘网络的关键使能因素。最后，提出了研究中存在的问题和未来的发展方向。
2017-03-31 cs.NI
Analysis of Recent Checkpointing Techniques for Mobile Computing Systems
从瞬时故障中恢复是分布式系统中的主要问题之一。这些系统需要透明而有效的技术来实现相同的目标。检查点被定义为程序中的一个指定位置，在这里系统的正常处理被中断以保存状态信息。检查点是保存状态信息的过程。移动计算系统经常遭受本质上是瞬时的和独立的高故障率。为了增加这种分布式系统的可靠性和高可用性，基于检查点的回卷恢复是在诸如科学计算、数据库、电信应用和关键任务应用的应用中广泛使用的技术之一。本文综述了在移动计算系统中检查点的算法。
2011-08-31 cs.NI
Efficient Radio Resource Management for Wireless Cellular Networks with Mobile Edge Computing
移动边缘计算（MEC）作为一种有前途的方法来增强移动设备的计算能力，引起了极大的兴趣。MEC范例中的一个重要问题是计算卸载。在本文中，我们提出了一个集成的框架，用于在无线蜂窝网络中使用移动边缘计算进行计算卸载和干扰管理。在该集成框架中，MEC服务器根据所有用户设备（UE）估计的本地计算开销和MEC服务器自身估计的卸载开销来做出卸载决策。然后，MEC服务器使用图着色来执行PRB分配。然后，卸载决定和PRB分配的结果用于将MEC服务器的计算资源分配给UE。仿真结果表明，该方案与不同的系统参数的有效性。
2017-06-28 cs.NI
ENGINE:Cost Effective Offloading in Mobile Edge Computing with Fog-Cloud Cooperation
移动边缘计算（MEC）作为一种利用云节点或雾节点将远程云计算扩展到网络边缘的新兴范例，被认为是下一代无线网络的关键技术。通过将计算密集型任务从资源受限的移动设备卸载到雾节点或远程云，可以节省移动设备的能量并且可以增强计算能力。对于雾节点，他们可以租用资源丰富的远程云来帮助他们处理来自移动设备的传入任务。在这种架构中，可以充分利用移动设备的短计算和计算延迟的好处。然而，现有的研究大多假设雾节点具有无限的计算能力，这是不实际的，特别是当雾节点也是能量受限的移动设备。为了提供雾节点的激励和降低移动设备的计算成本，我们提供了一个成本有效的卸载方案在移动边缘计算与雾节点和远程云之间的合作与任务依赖约束。移动设备的预算有限，必须确定哪些任务应该在本地计算或发送到雾。为了解决这个问题，我们首先制定的卸载问题作为一个任务完成时间最小化的问题，给定的预算的移动设备，这是NP-难的。然后，我们设计了两个以上的算法来研究网络的性能。仿真结果表明，所提出的贪心算法可以达到接近最优的性能。平均而言，蛮力法和贪心算法在应用程序完成时间上优于模拟退火算法约28.13%。
2018-10-13 cs.NI
Mobile Cloud Computing: A Comparison of Application Models
云计算是一个新兴的概念，它结合了计算的许多领域。云计算的基础是通过互联网提供服务、软件和处理能力，降低成本，增加存储，实现系统自动化，将服务提供与基础技术分离，并提供信息的灵活性和移动性。然而，这些好处的实际实现还远远没有达到移动应用程序，并打开了许多新的研究问题。为了更好地理解如何促进基于移动云的应用程序的构建，我们通过云计算原则的棱镜调查了移动计算中的现有工作。我们给出了一个移动云计算的定义，并提供了一个概述的结果，特别是移动云应用程序的模型。我们还强调了移动云计算领域的研究挑战。最后，我们提出了一些建议，以更好地理解移动云计算如何帮助构建更强大的移动应用程序。
2011-07-25 cs.DC cs.MM cs.NI
Collaborative Mobile Edge Computing in 5G Networks: New Paradigms, Scenarios, and Challenges
移动边缘计算（MEC）是在移动无线电接入网络（RAN）的边缘内提供计算、存储和联网资源的新兴范例。MEC服务器被部署在RAN内的通用计算平台上，并且允许在终端用户附近执行延迟敏感和上下文感知应用。这种方法可以扩展回程和核心网络，对于实现低延迟、高带宽和灵活的移动服务至关重要。本文设想了一个实时的、上下文感知的协作框架，该框架位于RAN的边缘，由MEC服务器和移动设备组成，并合并边缘的异构资源。具体来说，我们介绍和研究了三个强大的用例，从移动边缘编排，协作缓存和处理和多层干扰消除。我们展示了这些方法在促进向5G网络演进方面的巨大好处。最后，我们讨论了需要解决的关键技术挑战和开放研究问题，以便将MEC有效地集成到5G生态系统中。
2017-04-11 cs.NI
Computing Resource Allocation of Mobile Edge Computing Networks Based on Potential Game Theory
移动边缘计算（MEC）网络是实现超可靠和低延迟通信的关键技术之一。为了保证MEC网络的计算资源效率，需要精心设计计算资源分配方案。为了降低MEC网络的能耗，提高MEC网络的计算资源效率，提出了一种基于势博弈理论的计算资源分配方案。计算资源分配解决方案包括两部分：第一部分是基于势博弈论的功率控制方案，第二部分是基于线性规划的计算资源分配方案。功率控制方案是找到一组基站（BS）的发射功率，最大限度地提高MEC网络的潜在功能。计算资源分配方案是基于功率控制方案的结果来最大化MEC网络的平均计算资源分配系数。仿真结果表明，与传统方案相比，所提计算资源分配方案的计算资源利用率和能量效率都有显著提高。
2019-01-02 cs.NI
